Tesla je američka kompanija za proizvodnju vozila koju je osnovao Elon Musk u 2003.
Kompanija je najpoznatija po svojim električnim automobilima i specijalizaciji za solarne panele i skladištenje energije litijum-jonskih baterija.
Tesla automobili dolaze s puno revolucionarnih funkcija uključujući super punjenje, pristup ključnoj kartici i način rada autopilota.
Način rada autopilota moguć je zahvaljujući idejama umjetne inteligencije (AI) i Teslina napredna arhitektura neuronske mreže.
Razgovarajmo detaljnije o arhitekturi Tesla neuronske mreže.
Šta su neuronske mreže?
Neuralne mreže ili NN su niz algoritama modeliranih prema biološkoj aktivnosti ljudski mozak. Neuronske mreže sastoje se od čvorova, koji se nazivaju i neuroni. Kolekcija vertikalnih čvorova poznata je kao slojevi.
Svaki sloj se sastoji od čvorova, koji se nazivaju i neuroni, gdje se odvijaju proračuni. Čvorovi jednog sloja povezani su sa sljedećim slojem putem dalekovoda kao što se vidi ispod.
U sljedećem dijagramu, krugovi predstavljaju čvorove, a vertikalna kolekcija čvorova predstavlja slojeve. U ovom modelu postoje tri sloja.
Kako oni uče?
Podaci se unose u model jedan po jedan entitet zajedno sa oznakom. Podaci se raščlanjuju na komade i prolaze kroz svaki čvor modela.
Čvorovi izvode matematičke operacije na ovim komadima. Nakon serije proračuna u jednom sloju, podaci prelaze na sljedeći sloj i tako dalje.
Kada se završi, naš model predviđa oznaku podataka na izlaznom sloju. Model zatim nastavlja da poredi ovu predviđenu vrednost sa onom stvarne vrednosti oznake.
Ako se vrijednosti poklapaju, naš model će uzeti sljedeći ulaz, ali ako se vrijednosti razlikuju model će izračunati razliku između obje vrijednosti, što se naziva gubitkom, i prilagoditi proračune čvorova kako bi sljedeći put proizveo odgovarajuće oznake.
Teslina arhitektura neuronske mreže
Tesla koristi vrhunska istraživanja za obuku dubokih neuronskih mreža o problemima u rasponu od percepcije do kontrole.
Tesline mreže po kameri analiziraju neobrađene slike kako bi izvršile semantičku segmentaciju, detekciju objekata i monokularna procjena dubine.
The Datasets
Neuralne mreže su obučene na sirovim slikama koje su ekstrahovane iz video zapisa snimljenih sa mrežnih kamera iz ptičje perspektive koje prikazuju raspored puta, statičku infrastrukturu i 3D objekte direktno u prikazu odozgo prema dolje.
Slike podataka su neoznačene i pokrivaju mnogo različitih scenarija širom svijeta i sastoje se od milion vozila u realnom vremenu.
Kako funkcioniše?
Mreža se sastoji od 70,000 jedinica za grafičku obradu (GPU), koje obučavaju 48 duboko učenje modeli.
Hardverske komponente automobila, uključujući kamere i senzore, pružaju nenadzirane podatke koji se prenose kroz mrežu ovih modela.
Auto uči o mogućim objektima u okruženju, poput pješaka, drveta itd. iz datih podataka.
Arhitektura se takođe sastoji od dva AI čipa koji koriste principe duboko učenje. Ovi čipovi pomažu u donošenju odluka u stvarnom vremenu za automobil, na primjer kada i kako skrenuti, dok vozite.
Arhitektura neuronske mreže uključuje mnoge moćne uređaje i koncepte koji doprinose njenom radu, uključujući:
FSD Chip
Potpuno samovozeći (FSD) čipovi su čipovi za zaključivanje AI koji pokreću Teslin softver za autopilot. Ovi čipovi su dizajnirani sa mikroarhitektonskim poboljšanjima koja istiskuju maksimalne performanse silikona po vatu.
FSD-ovi implementiraju planiranje poda, analizu vremena i snage dok pišu robusne testove i tablice za provjeru funkcionalnosti i performansi AI.
Dojo čipovi i sistemi
Dojo je Teslin super kompjuterski sistem koji rešava teške probleme sa naprednom tehnologijom za isporuku i hlađenje velike snage.
Dojo čipovi uključuju AI koji pokreće ove sisteme i dizajnirani su za maksimalne performanse, propusnost i propusni opseg u svakoj granularnosti.
Zajedno, čipovi i sistemi se koriste za optimizaciju snage i performansi za Teslin NN.
Algoritmi autonomije
Algoritmi autonomije su osnovni algoritmi koji pokreću automobil tako što stvaraju visoku vjernost prikaza svijeta i planiraju putanje u datom prostoru.
To trenirati neuronske mreže da bi predvidio takve reprezentacije, Tesla algoritamski stvara precizne i velike zemaljske podatke kombinovanjem informacija sa senzora automobila u prostoru i vremenu.
Ovi algoritmi koriste napredne tehnike za izgradnju robusnog sistema planiranja i donošenja odluka koji radi u komplikovanim situacijama u stvarnom svijetu pod neizvjesnošću.
Infrastruktura za evaluaciju
Teslina infrastruktura za evaluaciju uključuje alate za evaluaciju otvorene petlje, zatvorene petlje i hardvera u petlji i infrastrukturu u velikom obimu.
Ova infrastruktura omogućava AI da prati poboljšanja performansi i spriječi regresije.
Ključne karakteristike Teslinog NN
- Kamere, ultrazvučni senzori i radari percipiraju okolinu
- Radar mjeri udaljenost oko automobila
- Ultraljubičaste tehnike mjere blizinu, a pasivni video prepoznaje objekte oko automobila
- Koristi dva AI čipa izgrađena na principima dubokih neuronskih mreža
- AI čipovi koji čine 6 milijardi tranzistora
- 21 puta brži od Nvidia čipova
- AI čipovi imaju 32 megabajta SRAM memorije velike brzine
- Sastoji se od 48 modela dubokog učenja
- Sadrži 70,000 jedinica za grafičku obradu (GPU)
- Izlazi 1000 različitih tenzora (predviđanja) u svakom vremenskom koraku
zaključak
Teslina najsavremenija Neuronske mreže i AI arhitektura je ideju o samovozećim automobilima učinila stvarnošću.
Ovaj uspjeh vodećeg proizvođača automobila baziranog na umjetnoj inteligenciji rezultat je njegovog napredovanja FSD čips, Dojo čipovi, algoritmi autonomije, infrastruktura za evaluaciju i još mnogo toga.
Ako želite saznati više o AI, dubokom učenju i najnovijim tehnološkim trendovima, pogledajte naše druge zanimljive članke.
Ostavite odgovor